课题背景：课题背景： 实时渲染领域正经历一场由神经网络驱动的范式革命。传统光栅化管线依赖手工设计的着色模型与近似光照算法，在全局光照、复杂材质交互等方面存在根本性的物理精度瓶颈；而路径追踪虽能实现物理正确的光传输，却因计算代价高昂而长期被排除在实时应用之外。 2024年，微软研究院提出的 RenderFormer 开创性地将 Transformer 架构引入渲染管线，将场景中的三角面片视为 token 序列，通过注意力机制直接学习光线在几何体之间的传播与交互，首次实现了端到端的神经渲染管线，在合理规模场景下取得了接近离线渲染的视觉质量。这一工作标志着渲染从"手工物理建模"向"数据驱动光传输学习"的历史性转折，有望深刻重塑游戏、影视、工业仿真等行业的内容生产范式。 然而，RenderFormer 当前仍面临若干关键瓶颈：O(N²) 的计算复杂度将场景规模限制在 4,096 个三角形以内；推理速度在 A100 上仅达 10–16 FPS，远未满足消费级实时需求；光源类型固定且数量受限（1–8个场外光源），缺乏对点光源、面光源、天光等任意光源配置的泛化能力；相机参数固定于场景外部，无法支持自由漫游；材质表达停留在 per-triangle 常量级别，缺乏空间变化的纹理细节。这些不足共同构成了 RenderFormer 从学术原型走向工业落地的核心障碍。 本课题旨在系统性突破上述瓶颈，构建面向工业级应用的下一代 Transformer 渲染管线，实现从序列化光传输建模到物理一致性实时渲染的全面跨越。 课题价值： 1、重新定义实时渲染的物理精度上限：传统实时管线依赖大量近似（如 IBL、屏幕空间反射），而基于 Transformer 的渲染管线通过学习真实光传输路径，有望在实时帧率下实现接近离线渲染的全局光照效果，从根本上消除"实时"与"物理正确"之间的长期对立； 2、颠覆内容生产的技术门槛：当渲染管线本身具备对任意光源、任意相机、任意材质的泛化能力后，美术人员无需再为每种光照场景单独烘焙或调参，极大降低高品质内容的制作成本，加速游戏、影视、虚拟现实等行业的工业化进程； 3、构建可扩展的神经渲染基础设施：本课题提出的稀疏注意力机制、层次化场景表达与神经纹理集成方案，将为后续神经渲染研究提供可复用的技术底座，推动整个领域从"单点突破"走向"系统性工程"； 4、重塑云渲染与流式分发的基础架构：基于 Transformer 的推理式渲染天然契合云端部署范式——渲染过程本质上是一次前向推理，无需维护传统光栅化管线所依赖的图形上下文状态，极易实现无状态横向扩展。这意味着云端可将渲染算力以 AI 推理集群的形式统一调度，按帧按需分配算力，彻底消除传统云渲染中帧间状态同步的工程复杂度。结合流式传输技术，未来移动端、XR 头显乃至低端 PC 均可通过网络实时接收高质量渲染帧，真正实现"终端零渲染负担"的云游戏与云仿真落地。此外，AI 推理集群的弹性伸缩能力远优于传统 GPU 渲染农场，可大幅降低影视级离线渲染的排队等待时间与运营成本； 5、战略卡位 AI 算力时代的渲染话语权：当前 NVIDIA 显卡的发展重心已从传统图形单元（CUDA Core、光追核心）向 AI 计算单元（Tensor Core）大幅倾斜——RTX 50 系列中 Tensor Core 的算力占比持续提升，而传统光栅化单元的边际收益日益递减。这一硬件趋势深刻暗示：未来高端显卡的核心竞争力将是 AI 推理吞吐量，而非传统图形流水线性能。本课题所构建的 Transformer 渲染管线，能够直接将 Tensor Core 的矩阵乘法算力转化为渲染质量与帧率的提升，与硬件演进方向高度契合。率先建立基于 AI 推理的渲染技术体系，意味着在下一代硬件红利释放时占据先发优势，避免在传统图形 API（DirectX、Vulkan）生态中被动跟随，转而在 AI 原生渲染这一新赛道上掌握核心话语权。 课题挑战： 1、计算复杂度的规模化瓶颈： RenderFormer 的 O(N²) 注意力复杂度使其在 4,096 个三角形时已接近极限，而工业级场景动辄包含数百万面片。如何在保留全局光传输建模能力的前提下，将计算复杂度降至亚线性量级，是实现规模化的核心理论挑战。需探索基于场景空间结构（如 BVH、八叉树）的稀疏注意力机制，使模型能够自适应地聚焦于光学上相互可见、相互影响的面片对，而非对所有面片进行全量计算； 2、实时推理的硬件适配难题： 当前在 A100 上 512×512 分辨率仅达 10–16 FPS，在消费级 GPU（如 RTX 4060）上差距更为悬殊。将推理性能提升至 30 FPS 以上需要在模型架构、量化压缩、硬件感知调度等多个层面协同优化，同时不能以牺牲物理精度为代价，这对模型的效率-质量帕累托前沿提出了极高要求； 3、任意光源配置的零样本泛化： 现有模型对光源类型与数量的强依赖，本质上是因为光照信息以场景外部固定参数的形式注入，模型未能学习到光传输的物理本质。如何将光源解耦为物理先验（如辐射度量学约束、光传输线性叠加原理），使模型在未见过的光源配置下实现零样本或少样本泛化，是突破光照泛化能力的关键； 4、自由相机与动态场景的支持： 相机参数固定于场景外部的限制，使得 RenderFormer 无法支持第一人称漫游、飞行相机等游戏核心需求。同时，当场景中存在动态物体时，如何高效更新 token 序列而非重新推理整个场景，是实现动态渲染的工程难点； 5、高分辨率神经纹理的集成： per-triangle 常量材质参数无法表达织物纤维、皮肤毛孔等微观表面细节。如何将 UV 映射下的高分辨率纹理信息以 token 嵌入的形式编码进 Transformer，并与神经纹理（Neural Texture）机制无缝结合，在不显著增加计算量的前提下大幅提升材质表达能力，是材质建模的核心挑战。 科研目标： 1、提出基于空间感知稀疏注意力的可扩展渲染 Transformer，将场景规模支持上限从 4,096 个三角形扩展至百万级面片，计算复杂度降至 O(N log N) 量级； 2、实现在消费级 GPU（RTX 4060 级别）上 512×512 分辨率≥30 FPS 的实时推理，通过模型蒸馏、INT8量化与硬件感知算子融合协同实现； 3、构建基于物理先验解耦的任意光源泛化机制，支持点光源、面光源、HDRI 天光等任意光源类型与组合的零样本渲染； 4、实现自由相机漫游与动态场景增量更新，支持第一人称视角、飞行相机等游戏级相机控制模式； 5、集成神经纹理驱动的高分辨率材质表达，支持 UV 映射下的空间变化材质，在图形学与 AI 顶级会议（SIGGRAPH、CVPR、NeurIPS）发表高水平论文并申请核心专利，形成完整的下一代神经渲染解决方案。

课题要求：1、包含但不限于计算机、信息工程、模式识别、人工智能、自动化、软件工程、电子工程、统计学、应用数学、物理学/量子计算、信息安全、信号与信息处理等专业的博士和优秀硕士； 2、有图形学相关的基本算法及应用游戏； 3、较强的工程实现能力，熟练掌握 C/C++ 编程，熟悉 Shell/Python/Matlab 至少一种编程语言。